Oracle 宣布限量发布 Oracle 云基础设施远程软件服务(Oracle Cloud Infrastructure, OCI) 生成式 AI 服务。全新的生成式 AI 服务可支持大型语言模型 (LLM),帮助组织实现端到端业务流程自动化,改善决策和客户体验,同时还能保护数据安全和隐私。
OCI Generative AI 服务是一个由 OCI 与知名企业 AI 平台 Cohere 合作构建的托管服务,可帮助用户通过可用的 API 将 LLM 集成到自己的应用中。待正式发布后,此服务和 Cohere 模型可与 AI Vector Search 无缝运行。AI Vector Search 是 Oracle Database 23c 的一项功能,可提供检索增强生成 (RAG) 技术。这是一种生成式 AI 技术,可将预训练的 LLM 和专有业务数据相结合,从而提高响应的准确性。此服务还将为嵌入到 Oracle SaaS 应用套件中的生成式 AI 功能奠定基础,其中包括 Oracle Fusion Cloud Applications Suite、Oracle NetSuite 和 Oracle Cerner 等行业应用。
Oracle Cloud Infrastructure 执行副总裁 Clay Magouyrk 表示:“Oracle 的行业知识使我们能够为组织创建生成式 AI 服务,以实现流程自动化、做出更明智的决策并改善客户体验。通过 Oracle 与 Cohere 的合作,客户能够轻松、安全地将生成式 AI 嵌入到其技术堆栈中,并相信我们的解决方案能够符合他们严苛的数据安全和隐私要求。这一方法有助于组织使用自己的数据来优化这些模型,打造可满足内部运营需求的模型。”
OCI 拥有低成本、安全且快速的 AI 基础设施,客户可以以托管服务的方式将 Cohere 的模型用于企业用例。OCI Generative AI 服务的客户可在 Oracle 的 AI Supercluster 架构上的专用基础设施中运行工作负载,从而自主控制特定成本和吞吐量需求,比如使用自己的数据来进行模型优化,或者是部署定制模型。
全新的 OCI Generative AI 服务包含以下模型:
Cohere 总裁兼首席运营官 Martin Kon 表示:“Oracle 和 Cohere 的企业 AI 产品以数据安全、模型定制和低延迟为中心,助力企业快速、经济高效且负责任地部署有意义的 AI 技术。我们正与 Oracle 密切合作,采用数据安全和隐私优先的策略,让企业能够利用 AI 来赋能业务。”
Altair 首席技术官 Sam Mahalingam 表示:“Oracle 是 Altair 重要的合作伙伴。Altair 专注于计算科学和人工智能,在 Oracle 强有力的支持下,Altair 已开始将大型语言模型整合到我们的解决方案中。我们相信,生成式 AI 将改变我们的工作方式。例如,客户以自然语言描述想要的结果,然后 LLM 就会自动生成解决方案。在数据分析中,客户不再需要为机器学习编写代码,只需要提出预测需求即可。在工程设计中,客户则可以描述产品属性,由模型来完成设计工作。生成式 AI 的使用场景无所不在。”
除了推出 OCI Generative AI 服务,Oracle AI 也将继续在多个限量发布计划中为现有服务添加增强功能,其中包括:
Wikibon 高级分析师 Marc Staimer 表示:“OCI Generative AI 服务是一款全新的生成式 AI 云技术服务,可提供企业级安全性、灵活性和用户调优功能,满足市场需求。该服务提供严格的安全和治理来保护用户的专有数据,也能够确保仅让客户使用和查看该模型。同样重要的是,客户可以控制专用的 OCI Supercluster AI 基础设施,对模型进行微调或部署定制模型,同时还能满足特定的成本和吞吐量需求。OCI Generative AI 服务是企业功能和成本性能的理想组合。”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。